常用稳健估计方法应用于概率积分法参数求取时的有效性研究

概率积分法是开采沉陷预计方法中应用最为广泛的一种方法,其预计结果的精度主要取决于预计参数的可靠性。为了消除或减弱粗差对预计参数的影响,往往采用稳健估计方法来对参数进行预测。本文在嘉乐泉煤矿实测资料基础上进行人工异值干扰求参试验,以观测值中含有不同粗差值为例,比较了13种常用稳健估计方法的稳健特性。结果表明,对于概率积分法参数的稳健估计,L1法、German-Mc Clure方法和IGGIII方案较其他稳健估计方法相对更有效。     

结合滤波算法的不敏卡尔曼滤波器相位解缠方法

提出结合预滤波算法的不敏卡尔曼滤波（UKF）相位解缠方法。该方法把UKF、传统路径跟踪策略、全方位的局部相位梯度估计技术以及小窗口干涉图预滤波算法有效结合起来,能在相位解缠的同时进行干涉相位噪声抑制,既不受相位残差点影响,又避免了传统方法在相位解缠之前须尽可能滤除干涉图中相位噪声的不足。模拟和实测数据实验结果验证了本文方法的有效性,且与扩展卡尔曼滤波相位解缠算法（EKFPU）以及传统方法相比具有较高的精度。     

基于VB6.0的水准网数据处理程序的实现

基于VB6.0语言环境设计了水准网综合数据处理的程序,实现了基于平差基准的最小二乘估计和抗差估计,自动搜索闭合条件、计算闭合差,弥补了现有矿区水准网平差程序或软件中存在的不足,针对程序实现中的关键性问题进行了比较详细的分析并给出了部分程序实现的代码,并通过实测数据进行了验证。     

夜光影像和高分辨率影像耦合的土耳其Mw 7.8地震建筑倒塌智能解译

建筑倒塌检测是震后损失评估、紧急救援的重要内容。面向2023年土耳其Mw 7.8地震的紧急救援,综合利用卫星遥感智能解译技术,耦合高空间分辨率卫星遥感影像和夜间灯光影像,以较低的时间和人力成本高效评估了土耳其Mw 7.8大地震中极灾区的建筑倒塌情况。设计了一种多层次的极灾区域与倒塌建筑快速定位方案,首先利用中等分辨率夜光遥感数据确定极灾区,然后利用高分辨率光学遥感影像深度学习技术提取倒塌建筑。设计了一种半监督深度学习方案,只需要初始化人工采集少量倒塌建筑样本,就可以通过在训练中增广获取当地样本,增强深度网络的表征能力,最终实现定位坍塌房屋。监测到阿德亚曼-卡赫拉曼马拉什-安塔基亚一线的阿拉伯板块-欧亚板块交界地带的6个城市受灾严重。从极灾区中共检测出2 377栋倒塌建筑,除努尔达吉和安塔基亚市的倒塌建筑比例超过2%外,伊斯拉希耶、蒂尔克奥卢、卡赫拉曼马拉什和阿德亚曼市倒塌建筑比例均接近于1%,通过人工核查,智能解译方案的查全率为74%～93%,证明所提方案可以及时为震后紧急救援决策提供参考。     

双通道卷积神经网络在影像融合中的应用

利用Landsat8遥感卫星影像数据制作影像融合数据集,提出了一种双通道融合网络,并利用结果影像的质量指数对网络融合性能进行评估,分析与双三次卷积插值和GS影像融合方法的差异。结果表明,该网络加强了对高频空间信息的提取,在更高效提取空间特征的同时,减弱了融合过程中对多光谱影像光谱特征的影响,从而提高了融合影像的综合影像质量（QNR=0.885 2）。     

基于遥感+AI技术的沈阳市违法图斑的确定

研究了基于深度学习的自动变化检测等技术,并在沈阳市违法图斑确定项目中进行了深度应用。通过实际的成果分析,确定了该方法可以全方位提升遥感数据的自动化处理、分析能力,实现了影像变化信息的高精度、高效率提取,使目前的土地违法变化高效精准、常态化、低成本监测成为可能。     

基于小波预处理的基坑变形监测数据的最小二乘估计

利用小波变换特有的低通滤波属性和有效抑制测量噪声的能力,将传统的最小二乘估计与之相结合,提出了一种基于小波预处理的最小二乘估计新方法 ,并针对具体基坑变形监测数据,验证了该方法的有效性。     

观测值含有粗差的抗差粒子滤波算法

作为非线性滤波的代表,粒子滤波得到广泛应用。该算法通过随机生成的具有权重的样本（粒子）来计算后验概率密度。其中赋权的过程需要综合系统信息和观测信息,当观测值含有粗差时,会使粒子错误赋权影响滤波结果。提出一种新的基于抗差估计的抗差粒子滤波算法,通过计算粒子等价权,抑制观测值粗差的影响。模拟计算分析表明,当观测值含有粗差时,与标准粒子滤波相比,该方法能有效提高滤波精度。     

GPS短弧定位法若干问题的研究

本文分析了在GPS定位中平差模、型法方程组系数矩阵状态的稳定性及对参数估计的影响,进一步探讨了适合于GPS短弧法平差的理论和方法。试验结果表明,本文研究的模型参数选择法和参数加权岭估计法对于解决法方程组的病态问题以及对于提高GPS双次差短弧法定位结果的精度和可靠性是很有意义的。